Association Between Urinary Cadmium Levels and Tubular Injury Biomarkers with Development of a Machine Learning-Based Predictive Model in Non-Dialysis Patients with Chronic Kidney Disease: a retrospective study
这项针对 278 例非透析慢性肾脏病患者的回顾性研究开发并验证了一个结合尿液小管损伤生物标志物（NAG、RBP）、糖尿病状态和肾小球滤过率（GFR）的机器学习列线图，用于预测高水平尿镉暴露，揭示了镉与特定生物标志物之间显著的非线性关联，同时强调了糖尿病是一个易感因素。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
肾脏是人体沉默的过滤器，不知疲倦地工作以清洁血液并排出废物。当这些器官受损时，最初的征兆往往是细微且隐藏在执行实际工作的微观结构之中的。在众多威胁肾脏健康的因素中，镉脱颖而出，成为一个特别顽固的敌人。这种存在于土壤、水和某些食物中的重金属不易被身体分解。一旦被吸收，它会流向肾脏，并沉积在负责重吸收有用营养物质的微小小管中。在那里，它可以停留数十年，缓慢地磨损维持过滤系统运转的细胞。对于那些已经患有慢性肾脏病的人来说，这种隐藏的负担可能尤其危险，它会加速那些本可能在为时已晚之前都未被察觉的损伤。
科学家们早已知道镉会对肾脏造成伤害，但他们一直难以找到一种简单的方法，在不可逆转的损伤发生之前，识别出哪些患者处于最高风险之中。传统的血液检测往往会错过早期的损伤，因为肾脏在表现出明显的衰竭迹象之前可以长时间进行补偿。这种知识上的空白使许多患者变得脆弱，暴露在环境毒素之下却缺乏明确的预警系统。上海的研究人员最近致力于通过寻找一种新型的早期预警信号来弥补这一差距。他们专注于尿液中发现的特定蛋白质和酶，这些物质就像信使，只有当肾脏内部的小管承受压力时才会泄漏出来。通过将这些生物学线索与现代数据分析相结合，他们的目标是创建一个实用的工具，帮助医生更早地发现高风险患者，并在损伤变得永久之前进行干预。
这项在杨浦医院开展的研究回顾了278名尚未进行透析的慢性肾脏病成年人的医疗记录。研究人员根据患者尿液中的镉水平将其分为两组：低暴露组和高暴露组，高暴露组的定义为每克肌酐含镉量达到或超过两微克。随后，他们对比了两组患者，以观察他们的身体对这种金属的反应。结果令人震惊。高镉水平患者尿液中的特定损伤标志物显著升高，包括视黄醇结合蛋白和一种名为N-乙酰-β-D-氨基葡萄糖酸酶（NAG）的酶。这些标志物就像是“矿井里的金丝雀”般的信号，表明肾脏的重吸收小管正难以履行其职责。有趣的是，研究人员还发现糖尿病患者更有可能属于高暴露组，这表明患有糖尿病可能会使肾脏更容易受到镉毒性影响。
为了理清这些复杂的关系，团队使用了先进的计算机建模技术来筛选数据并寻找最可靠的预测因子。他们发现，镉暴露与肾脏损伤之间的关系并不总是呈直线关系。对于其中一种标志物——视黄醇结合蛋白，风险随着水平的上升而稳步增加，起到了可靠测量计的作用。而对于另一种酶——NAG，风险在超过某个阈值后会急剧跳升，然后趋于平缓，这表明肾脏在达到临界点之前可以承受一定程度的压力。通过将这些生物学标志物与患者是否患有糖尿病以及其血液过滤功能的信息相结合，研究人员构建了一个视觉预测工具。这个被称为“列线图”（nomogram）的工具允许医生输入患者的具体数据，并获得高镉暴露的计算概率。
该模型证明了其相当高的准确性，在大多数情况下能正确区分高暴露组和低暴露组。它表明，升高的NAG水平、糖尿病的存在以及特定水平的视黄醇结合蛋白，共同构成了识别风险人群最清晰的图景。研究人员指出，虽然该工具很有前景，但它尚未成为适用于每个诊所的最终解决方案。它需要在更大规模的人群中进行进一步测试，以确认其在不同人群中的可靠性。然而，这些发现为护理工作提供了一个引人注目的新方向。它们表明，对于慢性肾脏病患者，尤其是糖尿病患者，检查这些特定的尿液标志物可以揭示标准检测会遗漏的隐藏威胁。通过及早识别这些高风险个体，医生或许能够采取措施减少暴露并保护剩余的肾功能，从而将一个沉默且缓慢移动的危险转化为一种可控的状况。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。